Perbandingan Metode K-Nearest Neighbors Dan Naïvebayes Classification Dalam Klasifikasi Sentimen Masyarakat Terhadap Pemilu Presiden Tahun 2024
Abstract
Sentiment is a subjective expression or assessment of a person's feelings or attitude toward a topic, event, or situation. Therefore, sentiment analysis is important to carry out because it has many positive impacts that can be achieved, one of which is in research and public understanding. In this research, public sentiment was obtained from the social media Twitter. In this research, sentiment classification will use the K-Nearest Neighbors method and the NaïveBayes Classification method. With the hope of knowing and gaining a deeper understanding of how each method works in classifying sentiment, as well as the public's views on the 2024 presidential election. This study concludes that the findings indicate that public sentiment towards the 2024 presidential election can be said to be positive because the public's positive sentiment has more than half of the total existing data, namely 365 positive, 197 neutral and 82 negative. Then the researchers obtained an accuracy of 58% for the K-Nearest Neighbors Method and 52% for the NaïveBayes Classification Method.
Keywords: Presidential Election; Sentiment; NaïveBayes Classification; K-Nearest Neighbors
Abstrak
Sentimen merupakan ekspresi atau penilaian subjektif dari perasaan atau sikap seseorang terhadap suatu topik, peristiwa, atau situasi. Oleh karena itu, Analisis sentimen penting untuk dilakukan karena memiliki banyak dampak positif yang dapat di raih salah satunya dalam penelitian dan pemahaman masyarakat. Pada penelitian ini sentimen masyarakat didapatkan dari media social Twitter. Di penelitian ini klasifikasi sentimen akan menggunakan metode K-Nearest Neighbors dan Metode NaïveBayes Classification. Dengan harapan dapat mengetahui dan memperoleh pemahaman yang lebih mendalam tentang bagaimana setiap metode bekerja dalam mengklasifikasikan sentimen, serta pandangan masyarakat terhadap pemilu presiden tahun 2024. Kesimpulan dari penelitian ini yaitu hasil menunjukkan bahwa sentimen masyarakat terhadap pemilu presiden 2024 bisa dikatakan positif dikarenakan sentimen positif masyarakat sudah melebihi setengah dari total data yang ada yaitu sebanyak 365 positif, 197 netral, dan 82 negatif ini. Kemudian peneliti memperoleh akurasi sebesar 58 % untuk Metode K-Nearest Neighbors dan 52% untuk Metode NaïveBayes Classification.
Keywords
References
F. V. Sari and A. Wibowo, “Analisis Sentimen Pelanggan Toko Online JD.ID Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” Jurnal SIMETRIS, vol. 10, no. 2, pp. 681–686, 2019, doi: 10.52158/jacost.v1i1.9.
A. Liawati, R. Narasati, D. Solihudin, C. Lukman Rohmat, and S. Eka Permana, “Analisis Sentimen Komentar Politik Di Media Sosial X Dengan Pendekataan Deep Learning,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 7, no. 6, pp. 3557–3563, 2024, doi: 10.36040/jati.v7i6.8248.
S. R. Cholil, T. Handayani, R. Prathivi, and T. Ardianita, “Implementasi Algoritma Klasifikasi K-Nearest Neighbor (KNN) Untuk Klasifikasi Seleksi Penerima Beasiswa,” IJCIT (Indonesian Journal on Computer and Information Technology), vol. 6, no. 2, pp. 118–127, 2021, doi: 10.31294/ijcit.v6i2.10438.
B. Raharjo, Pembelajaran Mesin (Machine Learning). Semarang: Yayasan Prima Agus Teknik, 2021.
A. F. Watratan, A. Puspita, and D. Moeis, “Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 di Indonesia,” Journal of Applied Computer Science and Technology, vol. 1, no. 1, pp. 7–14, 2020, doi: 10.52158/jacost.v1i1.9.
S. H. Ramadhani and M. I. Wahyudin, “Analisis Sentimen Terhadap Vaksinasi Astra Zeneca pada Twitter Menggunakan Metode Naïve Bayes dan K-NN,” Jurnal Teknologi Informasi dan Komunikasi), vol. 6, no. 4, pp. 526–534, 2022, doi: 10.35870/jti k.v6i4.530
Yuyun, Nurul Hidayah, and Supriadi Sahibu, “Algoritma Multinomial Naïve Bayes Untuk Klasifikasi Sentimen Pemerintah Terhadap Penanganan Covid-19 Menggunakan Data Twitter,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 4, pp. 820–826, Aug. 2021, doi: 10.29207/resti.v5i4.3146.
T. D. Arista, Y. Yusra, M. Fikry, and L. Oktavia, “Klasifikasi Sentimen Masyarakat di Twitter terhadap Kenaikan Harga BBM dengan Metode K-NN,” JUKI: Jurnal Komputer dan Informatika, vol. 5, no. 1, pp. 140–150, 2023, doi: 10.53842/juki.v5i1.189.
M. Waruwu, “Pendekatan Penelitian Pendidikan: Metode Penelitian Kualitatif, Metode Penelitian Kuantitatif dan Metode Penelitian Kombinasi (Mixed Method),” Jurnal Pendidikan Tambusai , vol. 7, no. 1, pp. 2896–2910, 2023, doi: 10.31004/jptam.v7i1.6187.
Y. S. Siregar, M. Darwis, R. Baroroh, and W. Andriyani, “Peningkatan Minat Belajar Peserta Didik dengan Menggunakan Media Pembelajaran yang Menarik pada Masa Pandemi Covid 19 di SD Swasta HKBP 1 Padang Sidempuan,” Jurnal Ilmiah Kampus Mengajar, vol. 2, no. 1, pp. 69–75, Apr. 2022, doi: 10.56972/jikm.v2i1.33.
C. Zai, “IMPLEMENTASI DATA MINING SEBAGAI PENGOLAHAN DATA,” Jurnal Portal Data, vol. 2, no. 3, pp. 1–12, 2022.
D. Cahyanti, A. Rahmayani, and S. A. Husniar, “Analisis performa metode Knn pada Dataset pasien pengidap Kanker Payudara,” Indonesian Journal of Data and Science, vol. 1, no. 2, pp. 39–43, 2020, doi: 10.33096/ijodas.v1i2.13.
Syahril Dwi Prasetyo, Shofa Shofiah Hilabi, and Fitri Nurapriani, “Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN,” Jurnal KomtekInfo, vol. 10, no. 1, pp. 1–7, Jan. 2023, doi: 10.35134/komtekinfo.v10i1.330.
N. R. Siahaan, R. Y. Tiffany, and S. R. E. Sinaga, “Analisis Sentimen Ulasan Aplikasi Media Sosial Whatsapp Menggunakan Metode Naive Bayes Classifier,” Jurnal Ilmiah Betrik, vol. 14, no. 02, pp. 343–354, 2023, doi: 10.36050/betrik.v14i02%20AGUSTUS.104.
I. M. B. Adnyana, “Implementasi Naïve Bayes Untuk Memprediksi Waktu Tunggu Alumni Dalam Memperoleh Pekerjaan,” in Seminar Nasional Teknologi Komputer & Sains (SAINTEKS), 2020, pp. 131–134.
K. Anwar, “Analisa sentimen Pengguna Instagram Di Indonesia Pada Review Smartphone Menggunakan Naive Bayes,” KLIK: Kajian Ilmiah Informatika dan Komputer, vol. 2, no. 4, pp. 148–155, 2022, doi: 10.30865/klik.v2i4.315.
How To Cite This :
Refbacks
- There are currently no refbacks.
